Perpustakaan Digital ITB

Kemacetan kendaraan di wilayah perkotaan menjadi tantangan yang menarik, dan membutuhkan inovasi dalam pengelolaan lalu lintas. Hal ini disebabkan oleh pertumbuhan perkotaan dengan adanya jaringan jalan, dan semakin banyaknya kendaraan. Kemacetan menjadi signifikan ketika jumlah kendaraan yang melintas pada waktu yang sama melebihi kapasitas ruas jalan yang tersedia, Hal ini menga-kibatkan terjadinya penumpukan jumlah kendaraan di jalan, dan menimbulkan peningkatan waktu tempuh, kepadatan jalan, peningkatan jumlah konsumsi bahan bakar dan bahkan berpotensi peningkatan polusi lingkungan. Untuk mengatasi permasalahan ini telah banyak dilakukan penelitian yang berkaitan dengan pengop-timalan penggunaan ruas jalan, pengoptimalan rute aliran lalu lintas kendaraan, dan pengelolaan lampu lalu lintas pada persimpangan jalan. Cara mengatasi kemacetan tersebut adalah dengan menghindari pemilihan rute jalan yang padat kendaraan, mengatur lampu lalu lintas agar tidak terjadi penumpukan kendaraan, termasuk memberikan pengaturan rute pada lintasan kendaraan. Cara yang diadopsi untuk pengaturan rute kendaraan diantaranya dengan pendekatan masalah TSP (Traveling Salesman Problem), maupun VRP (Vehicle Routing Problem), dimana masalah didefinisikan sebagai rute paling optimal untuk dilintasi dengan biaya paling minimal. Penelitian lainnya juga dengan upaya mereduksi kemacetan dengan pendekatan Traffic Flow Optimization, dimana optimasi dilakukan pada setiap segmen jalan agar tumpang tindih kendaraan pada jalur yang sama dapat dimin-imalisir. Dengan melihat kompleksnya masalah kemacetan ini, maka dibutuhkan solusi yang dapat mengoptimalkan kombinasi pilihan alternatif rute jalan dan pengaturan aliran lalu lintas jalan dengan baik. Penelitian ini mengambil fokus mengatasi kemacetan dengan model Quadratic Unconstrained Binary Optimization (QUBO) yang dirancang untuk mengatasi kemacetan secara dinamis dengan mengoptimalkan aliran lalu lintas kendaraan. Masalah kemacetan termasuk dalam kombinatorial dimana solusi yang dicari dapat meningkat secara eksponensial bergantung pada jumlah rute dan kendaraan yang harus dilayani. Pemodelan QUBO yang dilakukan dapat memberikan solusi rute kendaraan dalam bentuk varibel biner {0, 1}, yang merepresentasikan pilihan rute aktif. Optimalisasi dilakukan dengan meminimalkan jumlah kendaraan yang tumpang tindih pada rute jalan. Pada penelitian sebelumnya telah dicoba untuk memberikan pembobotan segmen sebagai prioritas bagi kendaraan untuk memilih jalur lain. Hal tersebut terbukti memberikan hasil pada peningkatan biaya (cost) dari solusi pencarian rute kendaraan. Namun masalah lain timbul berkaitan dengan tingkat kepadatan jalan, dimana rute pilihan yang baru dapat menyebabkan penumpukan jumlah kendaraan, misalnya pada segmen tertentu yang memiliki bobot kecil. Hal inilah yang berpotensi menyebabkan kemacetan baru pada segmen jalan alternatif. Padahal untuk menyelesaikan masalah kemacetan ini perlu melihat pilihan alternatif rute kendaraan pada keseluruhan jalur aliran lalu lintas yang tersedia. Usulan pada penelitian ini adalah masalah kemacetan dimod-elkan dengan melibatkan keseluruhan segmen rute yang tersedia pada jaringan jalan. Kemudian optimalisasi dilakukan dengan meminimalkan tingkat kepadatan kendaraan pada setiap segmen pilihan, dan membatasi volume kendaraan agar sesuai dengan kapasitas segmen jalan. Fungsi constraint ditetapkan untuk ruas jalan yang melebihi batas kapasitas jumlah kendaraan, dan memberikan opsi untuk mendistribusikan kendaraan ke rute lain sambil mempertahankan efisiensi arus lalu lintas secara keseluruhan. Formula QUBO ini menggunakan parameter penalty kepadatan sebagai upaya untuk mendistribusikan kendaraan secara merata. Tanta-ngannya adalah memastikan bahwa rute alternatif yang dipilih tidak menciptakan potensi kemacetan baru pada segmen jalan. Formula QUBO congestion yang diusulkan dapat dieksekusi menggunakan mesin QA maupun SA. Pada mesin QA terdapat kelebihan dengan adanya quantum tunneling, yang menjanjikan potensi pencarian solusi global. Sedangkan Simulated Annealing dengan komputasi pada komputer klasik dapat memberikan hasil yang lebih stabil, namun rentan terjebak pada solusi local minima. Namun mesin QA seperti D-Wave Advantage sudah tidak bisa diakses secara publik, termasuk untuk keperluan penelitian. Untuk itu sebagai alternatif pemodelan QUBO akan dijalankan pada mesin annealing klasik seperti contohnya dengan simulated annealer. Sehingga hasil pemodelan ini dapat diuji kemampuannya dalam mengatasi kemacetan, serta layak nantinya dijalankan pada mesin kuantum jika sudah tersedia. Mesin Annealing yang digunakan pada penelitian ini adalah D-Wave Neal (SA) dan Fixstars Amplify AE, yang menjalankan komputasi optimasi untuk SA. Hasil optimasi pada mesin Fixstars Amplify dan D-Wave Neal, menun-jukkan bahwa model QUBO congestion yang diusulkan dapat mendistribusikan kepadatan ruas jalan antara 60% sampai 80%, di hampir semua rute jalan. Selain itu, model ini juga mampu menghindari pilihan segmen jalan yang melebihi kapasitas jalan, yang diharapkan dapat mengurangi kemacetan kendaraan. Model QUBO congestion mampu mendistribusikan kendaraan hampir merata, dengan koefisien Gini mencapai 0,0496 (dalam percobaan dengan 21 kendaraan pada 15 segmen jalan). Hal ini berarti optimasi pilihan rute yang diberikan berpotensi mengurangi kemacetan kendaraan di ruas jalan. Dengan begitu model QUBO yang dihasilkan diharapkan layak untuk diterapkan pada mesin QA, dengan skala permasalahan yang lebih besar untuk mengurangi kemacetan di ruas jalan.